Дар дарёҳои хурд сатҳи об метавонад аз сабаби масоҳати танги ҳавза ва вақти кӯтоҳи вокуниш пас аз бориши шадид хеле зуд боло равад. Азбаски системаҳои анъанавии огоҳии барвақт аксаран то аз ҳадди пешакӣ муайяншуда гузаштани сатҳи мушоҳидашудаи об интизор мешаванд, огоҳӣ метавонад пас аз оғози болоравии хатарнок расад. Ин таҳқиқот модели дусохаи силсилаи вақт бо номи DualTNet-ро, ки сатҳи обро се соат пешгӯӣ мекунад, бо усули назорати омории FLOWT², ки суръати болоравии аз пешгӯиҳо ҳосилшударо пайгирӣ менамояд, якҷо мекунад.

DualTNet аз маълумоти 24 соати гузашта бо фосилаи 10-дақиқаӣ оид ба сатҳи об, бориш, бориши ҷамъшуда, бориши миёнаи ҳавзавӣ, сатҳҳои болооб ва поёноб ва мадду ҷазр истифода бурд. Модел шохае дорад, ки қолабҳои давриро тақвият медиҳад, шохаи дувуме, ки хатоҳои даврии боқимондаи пешгӯиро ислоҳ мекунад, ва қабати мутобиқшавандаи ҳамҷоясозӣ, ки миқёсҳои гуногуни вақтро муттаҳид месозад.

Усул дар дарёҳои Ҷоман, Ҳаман, Намдэ ва Суёнги Кореяи Ҷанубӣ санҷида шуд. Маълумоти санҷишӣ ба соли 2024, яъне баъд аз давраҳои омӯзиш ва санҷиши эътибор, ҷудо карда шуда, арзёбии берунии замонӣ анҷом дода шуд. DualTNet дар миёнаи чор мавзеъ ба RMSE-и 0,0184 метр, MAE-и 0,0118 метр ва R²-и 0,9925 расида, аз моделҳои муқоисашудаи LSTM, GRU, Transformer, FEDformer, NSTransformer, TimesNet ва TimeMixer пеш гузашт.

Марҳилаи FLOWT² ба ҷойи он ки танҳо аз ҳадди собит гузаштани сатҳи пешгӯишудаи обро бинад, чен кард, ки оё суръати миёнаи болоравии дар се соати оянда интизоршаванда аз рафтори маъмулии таърихӣ дур мешавад ё не. Ҳамаи ҳашт ҳодисаи муҳими болоравие, ки дар таҳқиқот муайян шуда буданд, тавассути FLOWT² дар асоси DualTNet дуруст ошкор шуданд; дар мисоли дарёи Ҷоман нуқтаҳои огоҳӣ тақрибан 3–8 соат пеш аз гузаштан аз сатҳи обхезии шадид ҳосил гардиданд.

Аммо таҳқиқот аз тақризи ҳамтоён нагузаштааст. Арзёбии огоҳӣ ба шумораи ками ҳодисаҳо такя мекунад, тарзи меъёрбандии таърифи «ҳодисаи муҳим» ба қадри кофӣ шарҳ дода нашудааст ва сатҳи ошкорсозии ҳодиса сигналҳои бардурӯғро мустақиман намесанҷад. Кори вақти воқеӣ, таъхири алоқа, носозии сенсор, қатъи маълумот ва қобилияти интиқол ба кишварҳо ё ҳавзаҳои дигар низ санҷида нашудаанд.

Чаро огоҳии барвақт дар дарёҳои хурд мушкилтар аст?

Дар дарёҳои калон табдил ёфтани бориш ба сатҳи дарё ва ҳаракати мавҷи обхезӣ метавонад нисбатан тӯлонӣ бошад. Аммо дар ҳавзаҳои хурд вақти табдили бориш ба маҷрои рӯизаминӣ кӯтоҳ аст. Бориши маҳаллӣ ва шадид метавонад сатҳи обро дар давоми чанд соат якбора боло барад.

Ин рафтор барои системаи огоҳии барвақт ду мушкили ҷудогона эҷод мекунад:

• Қисми босуръат болораванда ва қимати қуллаи сатҳи об бояд се соат пеш дақиқ пешгӯӣ шаванд.
• Силсилаи пешгӯишуда бояд ба қарори равшан ва саривақтии огоҳӣ табдил дода шавад, ки роҳбарон аз он истифода карда тавонанд.

Шакли якуми таҳқиқот ин фарқро тасвир мекунад. Системаи анъанавии дорои ҳадди собит баъд аз расидани сатҳи об ба ҳадди буҳронӣ огоҳ мекунад. Модели зеҳни сунъӣ бо пешгӯии нокифоя дақиқ метавонад ба огоҳии нодуруст ё дермонда оварда расонад. Дар системаи пешниҳодшуда DualTNet каҷхаттаи сатҳи обро пешгӯӣ мекунад ва FLOWT² рафтори пешгӯишудаи болоравиро аз ҷиҳати оморӣ назорат намуда, мекӯшад пеш аз гузаштан аз ҳад огоҳӣ диҳад.

Таҳқиқот дар кадом дарёҳо гузаронида шуд?

Таҳқиқот чор дарёи хурди Кореяи Ҷанубиро фаро мегирад, ки рафтори гидрологии онҳо аз ҳам фарқ мекунад.

Дар мавзеъҳои Ҷоман, Ҳаман ва Суёнг маълумоти солҳои 2020–2022 барои омӯзиш, маълумоти соли 2023 барои санҷиши эътибор ва маълумоти соли 2024 барои санҷиш истифода шуданд. Дар мавзеъи Намдэ, ки сабти кӯтоҳтар дошт, ин давраҳо мутаносибан солҳои 2022, 2023 ва 2024 муайян шуданд. Ин ҷудокунии тартиби вақт имкон медиҳад мушоҳидаҳои оянда дар моделҳои бо маълумоти гузашта омӯзонидашуда санҷида шаванд.

Кадом маълумот истифода шуд?

Ҳамаи тағйирёбандаҳо бо фосилаи 10 дақиқа сабт шуданд. Барои ҳар пешгӯӣ 24 соати гузашта, ба ибораи дигар 144 қадами вақт, ҳамчун вуруд истифода шуда, сатҳи оби се соат баъд пешгӯӣ гардид.

Вурудҳои асосӣ:

• Сатҳи гузаштаи об дар истгоҳи мақсаднок
• Бориши нуқтавӣ
• Бориши ҷамъшудаи сесоата
• Бориши миёнаи ҳавзавӣ бар асоси радар ё мушоҳида
• Сатҳҳои оби болооб
• Сатҳи оби поёноб
• Сатҳи мадду ҷазр

Маҷмӯи вурудҳо барои ҳар мавзеъ яксон нигоҳ дошта нашуд. Масалан, дар дарёи Ҳаман сатҳҳои оби ду истгоҳи болооб ва як истгоҳи поёноб барои ифодаи таъсири оби баргашт илова шуданд. Дар дарёи Суёнг бошад, аз сабаби ҷойгиршавӣ дар наздикии резишгоҳ сатҳи мадду ҷазр ва бориши миёнаи ҳавзавии ду минтақаи ҷудогона истифода гардид.

Ин мутобиқсозӣ ба мавзеъ яке аз ҷиҳатҳои қавии усул аст; аммо азбаски шумора ва навъи тағйирёбандаҳо дар ҳар мавзеъ фарқ мекунанд, гуфтан душвор мешавад, ки фарқҳои самаранокӣ танҳо аз меъмории модел сар задаанд.

Ҳаддҳои анъанавии обхезӣ

Дар таҳқиқот барои сатҳҳои таваҷҷуҳ, эҳтиёт, ҳушдор ва обхезии шадид ҳаддҳои маҳаллии собити сатҳи об истифода шуданд.

Ин ҳаддҳо барои ҳисоб кардани қиматҳои precision ва recall-и моделҳои пешгӯӣ ва муқоиса бо системаи анъанавии огоҳӣ истифода шуданд. FLOWT² бошад, қарори огоҳиро мустақиман ба гузаштани ин сатҳҳо вобаста намекунад.

Меъмории DualTNet чӣ гуна кор мекунад?

DualTNet барои омӯхтани ду навъи гуногуни рафтори замонӣ дар дарёҳои хурд дар шохаҳои ҷудогона тарҳрезӣ шудааст:

• Рафторҳои такроршавандаи мавсимӣ, шабонарӯзӣ ё даврӣ, ки аз мадду ҷазр бармеоянд
• Болоравиҳои якбора ва бисёрмиқёсӣ, ки пас аз бориш рух медиҳанд

Коркарди вуруди бисёрмиқёсӣ

Силсилаҳои вуруд аввал ба миқёсҳои гуногуни вақт хурд карда мешаванд. Бо ин роҳ модел тағйироти босуръати кӯтоҳмуддат ва тамоюли давраи дарозтари як ҳодисаро дар тафсилоти ҷудогона меомӯзад. Ҳар миқёс меъёрбандӣ ва ба фазои ифодаи омӯхташаванда гузаронида мешавад.

Шохаи EPDM

Шохаи якум, ки Enhanced Past Decomposable Mixing ном дорад, маълумоти даврии силсилаҳои гузаштаро ба асоси пешгӯӣ илова мекунад.

Дар ин шоха амалҳои зерин иҷро мешаванд:

1. Ҷудо кардани давраҳои бартаридошта бо табдили тези Fourier
2. Табдил додани силсилаи якченакаи вақт ба сохторҳои дученакаи даврӣ
3. Омӯхтани тағйироти дохили давра ва байни давраҳо бо ядроҳои конволютсионии андозаҳои гуногун
4. Дарвозаи мутобиқшавандае, ки миқдори истифодаи маълумоти давриро муайян мекунад
5. Коркарди ҷудогонаи ҷузъҳои мавсимӣ ва тамоюл
6. Якҷо кардани пешгӯиҳои миқёсҳои гуногуни вақт бо модули Future Multi-Predictor Mixing

Шохаи боқимондаи даврӣ

Шохаи дувум ҷузъҳои давриеро ислоҳ мекунад, ки роҳи асосии пешгӯӣ пурра фаро нагирифтааст. Ин шоха низ аз табдили тези Fourier, конволютсияи дученака ва дарвозаи мутобиқшаванда истифода мебарад, вале дар охир тавассути сарлавҳаи хаттии пешгӯӣ ислоҳи боқимондаро мустақиман эҷод мекунад.

Ҳамҷоясозии мутобиқшаванда

Натиҷаҳои шохаҳои EPDM ва боқимондаи даврӣ аз рӯи миқёс якҷо карда мешаванд. Модули ҳамҷоясозӣ меомӯзад, ки ҳар миқёси вақт барои ҳолати ҷории гидрологӣ то чӣ андоза муҳим аст. Дар натиҷа модел ба миқёсҳои кӯтоҳ ҳангоми болоравиҳои ногаҳонии боришӣ ва ба маълумоти дарозмиқёс ё даврӣ ҳангоми тағйироти мунтазамтар вазни бештар медиҳад.

Бо кадом моделҳо муқоиса шуд?

DualTNet дар шароити дарозии яксони вуруд ва уфуқи сесоатаи пешгӯӣ бо ҳафт модели гуногуни силсилаи вақт муқоиса шуд:

• LSTM
• GRU
• Transformer-и стандартӣ
• FEDformer
• Non-stationary Transformer
• TimesNet
• TimeMixer

LSTM ҳамчун меъёри амалӣ интихоб шуд, зеро ба модели амалие мувофиқ буд, ки дар воҳидҳои назорати обхезии Кореяи Ҷанубӣ истифода мешавад. TimesNet қолабҳои давриро меомӯзад ва TimeMixer модели нави муқоисавиест, ки ҷузъҳои бисёрмиқёсии вақтро меомӯзад.

Гиперпараметрҳо чӣ гуна муайян шуданд?

Барои интихоби танзимоти модел Optuna истифода шуд. Гиперпараметрҳои асосии ҷустуҷӯшуда:

Шумораи сарҳои диққат мувофиқи андозаи embedding ба таври худкор мутобиқ карда шуд. Аммо қиматҳои ниҳоии интихобшуда барои ҳар модел ва мавзеъ, шумораи озмоишҳо, ҳадафи оптимизатсия, танзимоти боздории барвақт ва тухмҳои тасодуфӣ дар матни асосӣ оварда нашуда, ба Маводи иловагии D ирҷоъ дода шудаанд. Маводи иловагии марбута дар нусхаи боршуда мавҷуд нест.

Муваффақияти пешгӯӣ чӣ гуна чен шуд?

Решаи хатои миёнаи квадратӣ:

\[ RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(\hat{y}_i-y_i)^2} \]

RMSE хатоҳои калонро сахттар ҷазо медиҳад. \(y_i\) сатҳи мушоҳидашуда ва \(\hat{y}_i\) сатҳи пешгӯишудаи об аст.

Хатои миёнаи мутлақ:

\[ MAE=\frac{1}{n}\sum_{i=1}^{n}|\hat{y}_i-y_i| \]

MAE дуршавии миёнаи мутлақи пешгӯиҳоро аз мушоҳидаҳо бо метр нишон медиҳад.

Коэффитсиенти детерминатсия:

\[ R^2=1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

Ба 1 наздик шудани қимати \(R^2\) нишон медиҳад, ки тағйироти пешгӯишудаи сатҳи об бо тағйироти мушоҳидашуда мутобиқати қавӣ дорад.

Precision бар асоси ҳадди обхезӣ:

\[ Precision=\frac{TP}{TP+FP} \]

Нишон медиҳад, ки чанд қисми вақтҳои ҳамчун обхезӣ пешгӯишуда воқеан болотар аз ҳад буданд.

Recall:

\[ Recall=\frac{TP}{TP+FN} \]

Месанҷад, ки модел чанд қисми вақтҳои воқеии гузаштан аз ҳадро фаро гирифтааст.

Натиҷаҳои пешгӯӣ

DualTNet дар миёнаи чор мавзеъ пасттарин RMSE ва MAE ва баландтарин қиматҳои R², precision ва recall-ро дод.

Фарқи миёнаи RMSE-и DualTNet нисбат ба TimeMixer 0,0031 метр ва фарқи MAE 0,0014 метр аст. Ба ибораи дигар, гарчанде бартарии модел нисбат ба пурқувваттарин усули муосири муқоиса камтар аз як сантиметр ё дар ҳадди чанд миллиметр менамояд, иддао мешавад, ки фарқҳои ҳодисавӣ дар вақтбандии болоравиҳои зуд ва қиматҳои қулла бузургтаранд.

Дарёи Ҷоман

DualTNet ба RMSE-и 0,0144 метр, MAE-и 0,0069 метр ва R²-и 0,9948 расид. Precision 0,9076 ва recall 0,9150 аст. Дар шакли 5 нишон дода мешавад, ки LSTM, GRU, Transformer ва FEDformer баъзе болоравиҳои зудро ҳамвор ё сатҳи қулларо кам пешгӯӣ кардаанд, вале DualTNet каҷхаттаи мушоҳидашударо наздиктар пайгирӣ кардааст.

Дарёи Ҳаман

Дар мавзеъи дорои таъсири оби баргашт қимати RMSE-и DualTNet 0,0075 метр, MAE 0,0040 метр ва R² 0,9998 аст. Қиматҳои precision ва recall 0,9979 дода шудаанд. Ин мавзеъ баландтарин мутобиқати ададии таҳқиқотро ҳосил кардааст.

Дарёи Намдэ

DualTNet ба RMSE-и 0,0058 метр, MAE-и 0,0028 метр ва R²-и 0,9969 расид. Аммо дар давраи санҷиш ҳеҷ яке аз ҳаддҳои анъанавии обхезӣ гузашта нашуд. Бо вуҷуди ин, precision ва recall барои ҳамаи моделҳо 1,0000 гузориш шудаанд.

Вақте намунаи воқеии мусбат ва пешгӯишудаи мусбат вуҷуд надорад:

\[ Precision=\frac{0}{0} \]

\[ Recall=\frac{0}{0} \]

мешавад, аз ин рӯ ин метрикаҳо аз ҷиҳати математикӣ номуайянанд. Ба 1 баробар кардани қиматҳо натиҷаҳои таснифотро дар миёнаи чор мавзеъ ба таври сунъӣ боло мебарад. Аз ин рӯ натиҷаҳои Намдэ бояд танҳо тавассути RMSE, MAE ва R² шарҳ дода шаванд.

Дарёи Суёнг

Дар мавзеъе, ки таъсири мадду ҷазр қавӣ аст, DualTNet ба RMSE-и 0,0458 метр, MAE-и 0,0334 метр ва R²-и 0,9783 расид. Қимати RMSE-и TimeMixer 0,0459 метр аст; бинобар ин фарқи ду модел ҳамагӣ 0,0001 метр мебошад. Ин мавзеъ нишон медиҳад, ки бартарии DualTNet дар ҳама шароит калон нест.

Номуайянии пешгӯӣ

Дар шакли 5 атрофи пешгӯиҳои DualTNet фосилаҳои пешгӯии %95 нишон дода шудаанд. Дида мешавад, ки фосилаҳо дар сатҳҳои баланди об васеъ ва номуайянӣ дар атрофи қиматҳои канорӣ, махсусан дар мавзеъҳои Ҳаман ва Суёнг, зиёд мешавад.

Аммо дар бахши асосии усул шарҳ дода нашудааст, ки ин фосилаҳо бо Monte Carlo dropout, ансамбли модел, тақсимоти боқимонда, пешгӯии конформалӣ ё усули дигар чӣ гуна ҳосил шудаанд. Аз ин рӯ фарогирии воқеии ифодаи %95 мустақилона арзёбӣ шуда наметавонад.

Тафсиршавандагии модел чӣ гуна омӯхта шуд?

Таҳлили t-SNE

Ифодаҳои аз қабатҳои пинҳонии охирини LSTM, TimeMixer ва DualTNet гирифташуда бо усули t-SNE ба фазои камченак гузаронида шуданд. Ранги нуқтаҳо вақт ва андозаи онҳо сатҳи пешгӯишудаи обро ифода мекунад.

Дар шаклҳои барои дарёи Ҷоман омодашуда иддао мешавад, ки ифодаҳои LSTM сохтори фишурда ташкил додаанд, TimeMixer васеътар паҳн шудааст ва DualTNet пешгӯиҳои сатҳи баланди обро дар минтақаи муайян равшантар ҷамъ кардааст.

Ин тасвир гумон медиҳад, ки ҳолатҳои сатҳи баланди об дар дохили модел ба тарзи дигар ифода мешаванд; аммо t-SNE усули визуализатсияи беназорат аст. Натиҷаҳо метавонанд ба perplexity, тухми оғоз ва ченаки масофаи истифодашуда ҳассос бошанд. Ин параметрҳо гузориш нашудаанд. Илова бар ин, дар ҳоле ки матни усул аз проексияи сеченака ёд мекунад, шакл намоиши дученакаи ду меҳварро пешниҳод менамояд.

Таҳлили Integrated Gradients

Integrated Gradients ҳассосияти натиҷаи пешгӯиро ба ҳар вуруд дар тӯли роҳ аз вуруди марҷаъ то вуруди воқеӣ ҷамъ мекунад:

\[ IG_i(x)=(x_i-x'_i)\int_0^1 \frac{\partial F(x'+\alpha(x-x'))}{\partial x_i}\,d\alpha \]

• \(x_i\): Хусусияти вуруди воқеӣ
• \(x'_i\): Вуруди марҷаъ ё ибтидоӣ
• \(F\): Модели пешгӯӣ
• \(\alpha\): Коэффитсиенти гузариш аз марҷаъ ба вуруди воқеӣ
• \(IG_i\): Саҳми нисбатдодашудаи хусусият ба пешгӯӣ

Дар ҳодисаи интихобшудаи сатҳи баланди об дар дарёи Ҷоман дида шуд, ки LSTM асосан ба мушоҳидаҳои охирини сатҳи об такя кардааст. TimeMixer ба бориши ҷамъшуда вазни бештар дод, вале саҳмҳоро дар фосилаи васеътари вақт паҳн кард.

Дар DualTNet бориши ҷамъшуда, сатҳи ҷории об, бориш ва бориши миёнаи ҳавзавӣ якҷоя таъсир карданд. Ҷамъ шудани саҳмҳо махсусан дар соатҳои наздик ба лаҳзаи пешгӯӣ ба вокуниши кӯтоҳмуддати бориш–сатҳ дар дарёҳои хурд мувофиқ шарҳ дода шуд.

Ин таҳлил нишон медиҳад, ки модел ба кадом вурудҳо ҳассос аст, аммо сабабиятро исбот намекунад. Қимати баланди нисбатдиҳӣ нишон намедиҳад, ки тағйирёбандаи дахлдор сабаби физикии обхезӣ аст ё модел дар ҳамаи ҳодисаҳо як роҳи қарорро истифода мебарад.

Усули огоҳии барвақти FLOWT²

Гузариш аз пешгӯӣ ба суръати болоравӣ

Пешгӯии сатҳи оби DualTNet барои се соат баъд бо мушоҳидаи ҷорӣ муқоиса шуда, суръати миёнаи болоравӣ ҳисоб карда шуд:

\[ r_t=\frac{\hat{h}_{t+T|t}-h_t}{T} \]

• \(r_t\): Суръати миёнаи пешгӯишудаи болоравии сатҳи об
• \(\hat{h}_{t+T|t}\): Дар вақти \(t\) ҳосилшудаи пешгӯии сатҳи оби \(t+T\)
• \(h_t\): Сатҳи ҷории мушоҳидашудаи об
• \(T\): Уфуқи пешгӯӣ; дар ин таҳқиқот 3 соат

Қимати калон ва мусбати \(r_t\) нишон медиҳад, ки интизор меравад сатҳи об дар се соати оянда зуд боло равад.

Рафтори маъмулии таърихӣ

Миёнаи таърихии суръати болоравӣ:

\[ \mu_r=\frac{1}{N}\sum_{i=1}^{N}r_i \]

Ченаки тақсимот дар матн чунин дода шудааст:

\[ s_r=\frac{1}{N-1}\sum_{i=1}^{N}(r_i-\mu_r)^2 \]

Ин ифода ба ҷойи инҳирофи стандартӣ дисперсияи интихобиро ҳисоб мекунад. Дар як ҷойи матн ифодаи \(s_r^2\) истифода шудааст, вале дар муодила \(s_r\) навишта шудааст. Аз ин рӯ ишорагузорӣ равшан ва пайдарҳам нест.

Омораи FLOWT²

Дурии суръати пешгӯишудаи болоравӣ аз рафтори маъмули:

\[ T_t^2=\frac{(r_t-\mu_r)^2}{s_r} \]

ҳисоб карда шудааст. Азбаски қимати назоратшаванда якченака аст, ин ифода дар амал ба квадрати инҳирофи стандартшуда баробар мебошад. Гарчанде усули анъанавии Hotelling T² барои векторҳои бисёртағйирёбанда таҳия шудааст, дар ин ҷо танҳо ба як силсилаи суръати болоравӣ татбиқ шудааст.

Ҳадди болоии назорат:

\[ UCL=\frac{m+1}{m}F_{1-\alpha;1,m-1} \]

дода шуда, \(\alpha=0{,}005\) истифода шудааст. Ҳангоми ба вуҷуд омадани шарти \(T_t^2>UCL\) огоҳии болоравии ғайримуқаррарӣ ҳосил шудааст.

Дар формулаҳо шумораи намунаҳои таърихӣ аввал бо \(N\) ва дар ҳадди назорат бо \(m\) нишон дода шудааст. Матн равшан намекунад, ки оё онҳо як маҷмӯи намунаҳоро ифода мекунанд ё не.

Номуайянӣ дар муайян кардани ҳадди назорат

Таҳқиқот мегӯяд, ки миёна ва дисперсия аз «маҷмӯи маълумоти таърихӣ» ҳисоб шудаанд; аммо шарҳ дода нашудааст, ки ин маҷмӯъ танҳо маълумоти омӯзиш, омӯзишу санҷиши эътибор ё тамоми давраи мушоҳидаро фаро мегирад.

Агар маълумоти давраи санҷиш ба ҳадди назорат дохил шуда бошад, рафтори оянда ба марҳилаи таҳияи модел роҳ ёфтааст. Азбаски истифода шудани танҳо давраи омӯзиш равшан нишон дода нашудааст, тасдиқ кардан мумкин нест, ки самаранокии огоҳӣ аз ихроҷи маълумот комилан мустақил аст.

FLOWT² кадом ҳодисаҳоро ошкор кард?

Муваффақияти усули огоҳӣ аз рӯи ҳамагӣ ҳашт «болоравии муҳими сатҳи об» дар чор мавзеъ арзёбӣ шуд.

Усули асосёфта ба DualTNet барои ҳашт ҳодисаи муҳим ҳашт огоҳӣ ҳосил кард ва ҳамаи онҳо бо ҳодисаҳои дуруст мувофиқ омаданд. Усули асосёфта ба LSTM ҳамагӣ 18 огоҳии ҳодиса ҳосил кард, ки танҳо чортояш бо болоравиҳои муҳим мувофиқ буданд. Системаи асосёфта ба TimeMixer ҳашт огоҳӣ ҳосил карда, шаш ҳодисаи муҳимро фаро гирифт.

«Сатҳи ошкорсозии %100» чӣ гуна бояд шарҳ дода шавад?

Нишондиҳандаи дар таҳқиқот истифодашуда чунин аст:

\[ \text{Önemli olay tespit oranı}=\frac{\text{Doğru tespit edilen önemli olay}}{\text{Gerçek önemli olay sayısı}} \]

Ин ченак recall-и ҳодисавӣ аст. Огоҳиҳои бардурӯғ ба махраҷ дохил карда намешаванд. Масалан, дар мавзеъи Суёнг LSTM се огоҳӣ ҳосил кард ва танҳо яке бо ҳодисаи воқеии муҳим мувофиқ омад; бо вуҷуди ин, азбаски ягона ҳодисаи воқеиро фаро гирифт, нишондиҳанда %100 дода шудааст.

Аз ин рӯ танҳо ифодаи «ошкорсозии %100» набудани огоҳии бардурӯғро нишон намедиҳад. Азбаски дар ҷадвали DualTNet шумораи ҳодисаҳои ҳосилшуда бо шумораи ҳодисаҳои дуруст баробар аст, дар намунаи хурди гузоришшуда ҳодисаи бардурӯғи иловагӣ дида намешавад. Бо вуҷуди ин, барои арзёбии эътимоднокии усул precision-и ҳодиса, сатҳи огоҳии бардурӯғ, вақти миёнаи огоҳӣ, шумораи такрорҳо барои ҳар огоҳӣ ва хатои вақтбандӣ низ бояд гузориш шаванд.

Муқоисаи огоҳии барвақт дар дарёи Ҷоман

Дар мисоли муфассали таҳқиқот се система муқоиса шуданд:

FLOWT² танҳо мунтазир нашуд, ки дар пешгӯии се соат баъд ҳадди ҷиддии сатҳи об гузашта шавад; он дар давраи барвақттаре, ки болоравӣ аз рафтори маъмул дур шудан гирифт, огоҳӣ ҳосил кард. Аз ин рӯ аз модели пешгӯии сесоата дар баъзе ҳодисаҳо «вақти боқимонда то гузаштан аз ҳад»-и бештар аз се соат ба даст омад.

Дар ҷадвали умумии таҳқиқот вобаста ба мавзеъ ва ҳодиса вақти пешакӣ аз тақрибан 3 соат то 1 рӯз гузориш шудааст. Аммо мисолҳои то як рӯз ба шаклҳое такя мекунанд, ки гуфта мешавад дар Маводи иловагии G нишон дода шудаанд. Азбаски ин маводи иловагӣ дар нусхаи боршуда нестанд, ҳадди болоии якрӯза аз матни асосӣ мустақилона тасдиқ шуда наметавонад.

Ҷиҳатҳои қавии таҳқиқот

• Чор дарёи хурди воқеӣ бо шароити гуногуни гидрологӣ истифода шуданд.
• Давраҳои омӯзиш, санҷиши эътибор ва санҷиш ба ҷойи омехтасозии тасодуфӣ аз рӯи солҳо ҷудо шуданд.
• Модели пешниҳодшуда бо ҳафт усули пурқуввати силсилаи вақт муқоиса шуд.
• Илова ба хатоҳои пешгӯӣ, қиматҳои precision ва recall дар асоси ҳадд пешниҳод шуданд.
• Болоравии зуд, оби баргашт ва таъсири мадду ҷазр дар мавзеъҳои ҷудогона омӯхта шуданд.
• Рафтори модел бо t-SNE ва Integrated Gradients визуалӣ карда шуд.
• Модели пешгӯӣ мустақиман ба мантиқи амалии огоҳӣ пайваст шуд.
• Огоҳиҳо на танҳо дар сатҳи қадами вақт, балки дар миқёси ҳодиса низ омӯхта шуданд.
• Ҷудо кардани як соли оянда ҳамчун давраи санҷиш барои интихоби модел нисбат ба тақсимоти тасодуфӣ арзёбии воқеитар дод.

Маҳдудиятҳои асосӣ

• Таҳқиқот препринтест, ки аз тақризи ҳамтоён нагузаштааст.
• Танҳо дар чор дарёи Кореяи Ҷанубӣ санҷида шудааст; дар кишвар ё ҳавзаи мустақил санҷиши берунии эътибор вуҷуд надорад.
• Дар арзёбии огоҳӣ ҳамагӣ танҳо ҳашт ҳодисаи муҳими болоравӣ мавҷуд аст.
• Таърифҳои объективии оғоз, анҷом ва шиддати ҳодисаҳои муҳими болоравӣ шарҳ дода нашудаанд.
• Сатҳи ошкорсозии ҳодиса шумораи огоҳиҳои бардурӯғро ҷазо намедиҳад.
• Дар мавзеъи Намдэ, ҳарчанд гузаштан аз ҳадди мусбат набуд, қиматҳои номуайяни precision ва recall ба 1 баробар дода шудаанд.
• Омӯзишҳои такрорӣ, тухмҳои тасодуфӣ, инҳирофҳои стандартӣ ва фосилаҳои эътимод гузориш нашудаанд.
• Барои ҷузъҳои EPDM, боқимондаи даврӣ ва ҳамҷоясозии мутобиқшавандаи DualTNet озмоиши ҷудогонаи хориҷкунии модул анҷом нашудааст.
• Мустақиман нишон дода нашудааст, ки бартарии модел аз кадом ҷузъи меъморӣ бармеояд.
• Шумораи озмоишҳои Optuna ва гиперпараметрҳои ниҳоии интихобшуда дар матни асосӣ нестанд.
• Барои код, вазнҳои модели омӯзонидашуда ва скриптҳои омодасозии маълумот пайванди анбори кушода дода нашудааст.
• Муайян нашудааст, ки ҳадди назорати FLOWT² бо кадоме аз давраҳои омӯзиш, санҷиши эътибор ё тамоми давраҳо ҳисоб шудааст.
• Гарчанде FLOWT² ба суръати болоравии яктағйирёбанда татбиқ шудааст, онро Hotelling T² номидаанд.
• Ишорагузории дисперсия ва инҳирофи стандартӣ, ҳамчунин рамзҳои \(N\) ва \(m\) барои шумораи намунаҳо пайдарҳам нестанд.
• Шарҳ дода нашудааст, ки фосилаҳои пешгӯии %95 чӣ гуна сохта шудаанд.
• Дар ҳоле ки матни t-SNE аз проексияи сеченака ёд мекунад, шакл дученака аст.
• Шаклҳои иловагие, ки вақти огоҳиро то як рӯз дастгирӣ мекунанд, дар нусхаи боршуда мавҷуд нестанд.
• Вақти коркарди вақти воқеӣ, сахтафзор, таъхири ҷараёни маълумот ва дастрасии система чен нашудаанд.
• Сенарияҳои носозии сенсор, маълумоти нопурра, қатъи алоқа ва андозагирии нодурусти бориш санҷида нашудаанд.
• Татбиқи озмоишии амалиётие, ки дар он роҳбарони воқеӣ аз огоҳиҳо истифода карда бошанд, пешниҳод нашудааст.

Таҳқиқот чиро дастгирӣ мекунад?

Натиҷаҳо дастгирӣ мекунанд, ки DualTNet метавонад дар маълумоти санҷишии соли 2024-и чор дарёи интихобшуда нисбат ба ҳафт модели муқоисашуда хатои миёнаи камтари пешгӯии сатҳи обро ҳосил кунад. Модел махсусан дар болоравиҳои босуръат ё таҳти таъсири оби баргашт дар мавзеъҳои Ҷоман ва Ҳаман натиҷаи қавӣ дод.

Таҳқиқот ҳамчунин нишон медиҳад, ки ҳаддҳои собити обхезӣ ҳангоми истифода бо модели хуби пешгӯии сесоата метавонанд пеш аз гузаштан аз ҳадди мушоҳидашуда огоҳӣ диҳанд ва равиши FLOWT², ки инҳирофи омории суръати пешгӯишудаи болоравиро назорат мекунад, метавонад ин вақтро дар баъзе ҳодисаҳо боз ҳам дарозтар кунад.

Натиҷаҳои Integrated Gradients нишон медиҳанд, ки DualTNet на танҳо ба сатҳи гузаштаи об, балки ба вурудҳои берунӣ, ба монанди бориш ва бориши ҷамъшуда низ ҳассос аст. Ин бозёфт дастгирӣ мекунад, ки рафтори пешгӯии модел метавонад ба вокуниши кӯтоҳмуддати бориш дар дарёҳои хурд мувофиқ бошад.

Таҳқиқот чиро исбот намекунад?

Таҳқиқот исбот намекунад, ки системаи DualTNet-FLOWT² дар ҳамаи дарёҳои хурд ошкорсозии %100-и обхезиро таъмин мекунад. Қимати %100 танҳо ба ҳашт ҳодисаи муҳими болоравии дар чор мавзеъ муайяншуда тааллуқ дорад.

Таҳқиқот нишон намедиҳад, ки усул дар Туркия, иқлимҳои дигар, ҳавзаҳои дорои истгоҳҳои камшумори ченкунӣ ё ҳодисаҳои шадидтар аз пешгӯишуда ҳамин дақиқиро нигоҳ медорад. Модел дар шароити гидрологие, ки дар мушоҳидаҳои гузашта вуҷуд надоштанд, ба санҷиши иловагии эътибор ниёз дорад.

Вақти якрӯзаи огоҳӣ уфуқи универсалии пешгӯӣ нест. Модел танҳо сатҳи оби се соат баъдро пешгӯӣ мекунад. Вақти пешакии дарозтар ба ошкор шудани болоравии ғайримуқаррарии ибтидоӣ хеле пеш аз ҳадди ниҳоии обхезӣ асос меёбад ва мумкин аст дар ҳар ҳодиса ба вуҷуд наояд.

Ҳамчунин нишон дода нашудааст, ки модел системаи огоҳии барвақти дар саҳро вақти воқеӣ коркунанда, бефосила, боэътимод ва ба равандҳои қарори муассисавӣ ҳамгирошуда аст.

Аҳаммияти эҳтимолӣ барои Туркия

Усул барои назорати дарёҳои хурд ва ҷӯйҳои шаҳрии дорои вақти кӯтоҳи вокуниш дар Туркия чаҳорчӯбаи пурмазмуни таҳқиқотӣ пешниҳод мекунад. Махсусан дар системаҳое, ки танҳо ба ҳаддҳои собити сатҳи об такя мекунанд, назорати ҷудогонаи суръати пешгӯишудаи болоравӣ имкони қабули қарори барвақттар дорад.

Барои низоме, ки дар Туркия татбиқ мешавад, басомади андозагирии дарёҳои маҳаллӣ, радарҳои бориш, истгоҳҳои болообу поёноб, таъсири мадду ҷазр ё оби баргашт ва ҳаддҳои маҳаллии обхезӣ бояд ҷудогона моделсозӣ шаванд. Интиқоли мустақими вазнҳои дар Кореяи Ҷанубӣ омӯзонидашуда ба Туркия муносиб нест.

Пеш аз истифодаи амалиётӣ санҷишҳои зерин заруранд:

1. Санҷиши ретроспективӣ бо ҳодисаҳои гузашта дар чанд ҳавзаи Туркия
2. Нишонагузории ҳодисаҳои обхезӣ аз ҷониби коршиносони мустақил бо меъёрҳои пешакӣ муайяншуда
3. Гузориши якҷояи сатҳи огоҳии бардурӯғ, сатҳи ҳодисаҳои аз дастрафта ва хатои вақтбандии огоҳӣ
4. Таҳқиқоти озмоишии вақти воқеӣ бо маълумоти зиндаи сенсор ва бориш
5. Сенарияҳои маълумоти нопурра ва қатъи алоқа
6. Ҳисоб кардани ҳаддҳои назорат танҳо аз давраи омӯзиши гузашта
7. Пешгӯии эҳтимолӣ ва фосилаҳои номуайянии калибршуда
8. Санҷиши ҷараёни қарори инсон–система бо воҳидҳои маҳаллии идоракунии офатҳо

Усул ва бозёфтҳои таҳқиқот

Муҳимтарин натиҷаҳои ададӣ

• Қимати миёнаи RMSE-и DualTNet дар чор мавзеъ 0,0184 метр аст.
• MAE-и миёна 0,0118 метр ва R² 0,9925 аст.
• Precision-и миёна 0,9706 ва recall 0,9658 гузориш шудааст.
• Дар дарёи Ҷоман RMSE 0,0144 метр ва R² 0,9948 аст.
• Дар дарёи Ҳаман RMSE 0,0075 метр ва R² 0,9998 аст.
• Дар дарёи Намдэ RMSE 0,0058 метр ва R² 0,9969 аст.
• Дар дарёи Суёнг RMSE 0,0458 метр ва R² 0,9783 аст.
• DualTNet-FLOWT² аз ҳамагӣ ҳашт болоравии муҳим ҳамаи ҳаштро ошкор кард.
• Дар мисоли Ҷоман DualTNet бо ҳадди собит тақрибан 3 соат вақти пешакӣ таъмин кард.
• Дар ҳамон ҳодиса DualTNet-FLOWT² тақрибан 3–8 соат вақти пешакӣ ҳосил кард.

Озмоишҳои иловагӣ барои баланд бардоштани эътимоднокии натиҷаҳо

1. Санҷишҳои аблятсионӣ, ки ҷузъҳои DualTNet дар онҳо як-як хориҷ мешаванд
2. Гузориши миёна ва инҳирофи стандартӣ бо ҳадди ақал панҷ тухми гуногуни тасодуфӣ
3. Санҷиши чандкаратаи силсилаи вақт бар асоси rolling-origin ё солҳои пайдарпай
4. Санҷиши берунӣ дар кишварҳо ва ҳавзаҳои мустақил
5. Precision-и ҳодиса, recall, F1, сатҳи огоҳии бардурӯғ ва хатои вақтбандии огоҳӣ
6. Таҳлили ҳассосияти қиматҳои гуногуни алфа барои FLOWT²
7. Нишон додани он ки ҳадди назорат танҳо бо маълумоти омӯзиш ҳисоб шудааст
8. Вобаста кардани таърифи ҳодисаи сатҳи баланди об ба меъёрҳои объективӣ ва пешакӣ муайяншуда
9. Эҳтимоли фарогирӣ ва паҳнои миёнаи фосила барои фосилаҳои пешгӯӣ
10. Санҷишҳои носозии сенсор, маълумоти нопурра ва деррасида
11. Чен кардани вақти коркарди вақти воқеӣ ва масрафи захираҳои сахтафзор
12. Татбиқи озмоишии амалиётӣ бо воҳидҳои маҳаллии идоракунии офатҳо

Ёддошти манбаъ ва усул

Номи аслии таҳқиқот: Interpretable flood early warning via dual-branch temporal network: Application to small rivers with rapid water-level changes

Номи кӯтоҳ: DualTNet-based flood prediction

Муаллифон ва тартиби дуруст: HaEun Jung, YoungHo Song, Sangdan Kim, KiJeon Nam.

Ҳаммуаллифи аввал ё саҳми баробар: Дар таҳқиқот изҳорот дар бораи ҳаммуаллифии аввал ё саҳми баробар вуҷуд надорад.

Муаллифи масъул: KiJeon Nam.

Вобастагии муассисавӣ: Department of Environmental Engineering, Pukyong National University, Busan 48513, Republic of Korea.

DOI:10.2139/ssrn.7025913

Саҳифаи расмии таҳқиқот:Сабти расмии SSRN

Платформаи нашр: SSRN.

Оператори платформа: Платформаи SSRN дар ҳайати Elsevier.

Санаи боргузорӣ: 30 июни 2026.

Соли нашр: 2026.

Маҷалла: Нашри маҷаллаи тақризшаванда тасдиқ нашудааст. Ифодаи «VSI: AI–Hydrology Digital Twins» дар оғози таҳқиқот ҳадафи эҳтимолии шумораи махсусро нишон медиҳад, аммо ҳувияти маҷаллаи нашршударо ба вуҷуд намеорад.

Вазъи тақриз: Таҳқиқот препринтест, ки аз тақризи ҳамтоён нагузаштааст.

Навъи манбаъ: Таҳқиқоти гидрологияи ҳисоббарорӣ, ки меъмории нави омӯзиши амиқ, таҳлили зеҳни сунъии тафсиршаванда ва усули омории огоҳии барвақти асосёфта ба пешгӯиро дар бар мегирад.

Маблағгузорӣ: Таҳқиқот дар доираи лоиҳаи рақами RS-2024-00332300, ки аз ҷониби Korea Environment Industry & Technology Institute иҷро ва аз ҷониби Korea Ministry of Environment дастгирӣ шудааст, инчунин гранти рақами RS-2025-16067766-и National Research Foundation of Korea маблағгузорӣ шудааст.

Истифодаи зеҳни сунъии тавлидӣ: Муаллифон изҳор кардаанд, ки ChatGPT-ро барои ислоҳи дастур истифода бурда, баъдан мундариҷаро бозбинӣ намуда ва тамоми масъулиятро ба уҳда гирифтаанд.

Бархӯрди манфиатҳо: Дар нусхаи боршуда изҳороти ошкор дар бораи бархӯрди манфиатҳо вуҷуд надорад.

Саҳмҳои муаллифон: Ҷадвали муфассали саҳмҳои муаллифон ё изҳороти CRediT мавҷуд нест.

Манбаъҳои маълумот: Маълумоти сатҳи об, бориши нуқтавӣ ва баъзе боришҳои миёнаи ҳавзавӣ аз Nakdong River Flood Control Office; маълумоти радарии бориши ҳавзавӣ аз Han River Flood Control Office; маълумоти мадду ҷазр аз Korea Hydrographic and Oceanographic Agency гирифта шудаанд.

Дастрасӣ ба маълумот ва код: Барои коди модел, скриптҳои омӯзиш, вазнҳои омӯзонидашуда, маҷмӯи пурраи маълумот ва конфигуратсияи таҷрибаи бозтавлидшаванда пайванди анбори кушода дода нашудааст.

Вазъи маводи иловагӣ: Дар таҳқиқот барои ҷузъиёти математикии меъморӣ, тавсифи моделҳо, натиҷаҳои Optuna, таҳлилҳои XAI дар мавзеъҳои дигар ва муқоисаҳои огоҳии барвақт ба Маводи иловагии A–G истинод шудааст. Ин маводи иловагӣ дар нусхаи 49-саҳифагии боршуда мавҷуд нестанд.

Ин шарҳи тоҷикӣ дар асоси матни асосӣ, формулаҳо, ҷадвалҳо, силсилаҳои вақт, нақшаҳои меъморӣ, графикҳои пешгӯӣ, намоишҳои t-SNE, таҳлилҳои Integrated Gradients ва ҷадвалҳои огоҳии ҳодисавии таҳқиқот омода шудааст. Ба натиҷаҳои илмӣ аз манбаъҳои берунӣ бозёфти нав илова нашудааст. Санҷиши берунӣ танҳо барои тасдиқи ном, муаллифон, DOI, санаи боргузорӣ, платформа ва пайванди расмии таҳқиқот истифода шудааст.

Натиҷаҳо танҳо барои давраҳои санҷишии зикршудаи чор дарёи омӯхташудаи Кореяи Ҷанубӣ эътибор доранд. Системаи DualTNet-FLOWT² набояд бе калибровкаи маҳаллӣ, санҷиши берунии эътибор ва озмоиши зиндаи саҳроӣ мустақиман ба ҳавзаҳои дигар ё равандҳои амалии идоракунии офатҳо интиқол дода шавад.